机构名称：
¥ 2.0
背景在重症监护病房 (ICU) 中，需要不断监测患者的生理参数，并将其与实验室数据和电子健康记录相结合，以便在病情突然恶化等情况下做出最佳和及时的决策。然而，可用数据的丰富性和不均匀性使医疗专业人员难以考虑到患者病情的各个方面。基于人工智能 (AI) 和机器学习 (ML) 的系统在支持这种背景下的临床决策方面大有可为。经过已知结果的历史数据训练，此类系统可以从多变量和多模态数据流中预测患者未来的临床轨迹。最近，回顾性研究表明 ML 模型能够高精度地预测急性肾损伤 (Tomašev et al., 2019)、心胸外科各种并发症 (Meyer et al., 2018) 以及 Covid-19 肺炎致死病程 (Lichtner et al., 2020) 的出现。然而，在临床实践中采用机器学习模型的未来前景引发了更多问题，即其在单个案例基础上做出的决策的公平性、稳健性、确定性和可理解性。此外，模型还应具有稳健性，能够缓和由于测量误差、缺失数据、异常值以及在将学习到的模型转移到新的临床站点时可能发生的分布变化而导致的输入数据变化。这也是理想的
实现关键领域人工智能系统的标准化质量控制......
主要关键词
相关文件推荐
